Neuralink 利用 50,000 小時腦部數據創下 11.32 位元每秒遊標控制紀錄

Neuralink 宣佈其腦-電腦介面在訓練基礎模型後，達成每秒 11.32 位元的遊標控制紀錄，該模型基於超過 50,000 小時的神經活動數據，這些數據來自臨牀試驗參加者。這間由 Elon Musk 創立的公司利用大型數據集對自我監督的神經編碼器進行預訓練，旨在解讀直接從大腦錄得的電信號。Neuralink 表示，該方法能使這些信號更加穩定，並對電腦控制更具實用性。

公司報告指出，部分基於此方法建造的解碼器能持續運作數週，而非數天。對於某些參加者，所需的校準時間已由每日約 10 分鐘減少至每週 10 分鐘。Neuralink 亦展示了其所稱的「瞬移遊標」，該遊標可直接跳至預期目標，而不需在螢幕上持續移動。公司表示，其每秒 11.32 位元的結果超越了大多數健全人士的表現，雖然該比較尚未經獨立驗證。

解決腦信號變化問題

腦信號持續變化 腦-電腦介面將神經活動模式轉化為可操作電腦及其他設備的指令。然而，從神經元錄得的信號隨時間變化，這對於旨在每日穩定運作的系統來說，造成了主要問題。Neuralink 的植入裝置錄得來自運動皮層的神經元所產生的尖峯電活動。錄得信號的微小變化會使基於早期數據訓練的解碼器準確性下降，這要求用戶不斷重新校準系統。為了應對這一問題，Neuralink 訓練了一種所謂的腦-電腦介面的基礎模型。

該模型不僅依賴於與特定動作或指令相關的標記示例，其自我監督的神經編碼器也能從大量神經活動中學習表徵。公司表示，所產生的表徵即使在個別神經信號漂移的情況下仍然有用。這可能使解碼器能夠持續解讀用戶的意圖動作，而無需頻繁重新訓練。該模型背後的數據集來自 Neuralink 的臨牀試驗參加者，這些參加者共同使用植入裝置超過 50,000 小時。公司形容這是迄今為止組建的最大內皮神經活動數據集之一。

提升控制效率的意義

減少校準，提升控制效率 降低校準需求對於實用的腦-電腦介面尤為重要。需要每日調整的系統會給用戶帶來額外負擔，而能夠在數週內保持穩定的解碼器，則可使植入裝置行為更像日常電腦介面。每秒 11.32 位元的結果提供了該進展的另一個衡量指標。位元每秒在 BCI 研究中通常用於量化用戶選擇預期目標的速度和準確性，而不僅僅是測量遊標的物理移動速度。Neuralink 現在正在考慮整合多位參加者的神經數據，以進一步改善其模型。

未來的工作也可能包括一次性或零次校準，這可能使系統能夠在幾乎不需任何額外校準的情況下，針對新任務或新用戶運行。公司還概述了建立「運動皮層 API」的可能性，這表明常見的神經表徵最終可能為將預期動作轉化為數字命令提供標準化層。這些結果作為技術更新由 Neuralink 發布，尚未以同行評審期刊研究的形式呈現。

Neuralink 如何改變腦-電腦介面使用體驗

Neuralink 的進展在於其腦-電腦介面能有效應對神經信號的變化，這對於用戶體驗至關重要。傳統系統需要頻繁校準，增加了用戶的負擔。透過自我監督的神經編碼器，Neuralink 能夠從大量數據中學習，減少了校準需求，提升了控制效率。這不僅使植入裝置更接近日常電腦介面，還可能促進未來技術的發展，如一次性校準和標準化的運動皮層 API，進一步擴展腦-電腦介面的應用潛力。